Perangkat lunak yang dibangun pada tugas akhir ini adalah sebuah pengendali pointer dengan menggunakan gerakan wajah dan kedipan mata. Perangkat lunak ini merupakan salah satu bentuk penerapan di bidang pengolahan citra dan Computer Vision. Pengguna hanya menggerakkan wajahnya untuk mengendalikan pointer dan mengedipkan mata untuk melakukan klik. Perangkat lunak ini ditujukan untung para penyandang cacat fisik khususnya cacat pada bagian tangan. Perangkat lunak pengendali pointer ini dibangun menggunakan bahasa pemrograman C#, dan menggunakan metode Fisherface (FLDA) . Metode ini merupakan metode yang dikembangkan oleh Robert Fisher. Metode ini menggunakan matriks scatter. Matriks scatter dibandingkan untuk mendapatkan nilai maksimum dan minimum dari setiap objek. Perangkat lunak ini bersifat real time dan dinamis sehingga tiap informasi yang didapat dari masing-masing pengguna sangat berpengaruh pada keberhasilan berjalannya perangkat lunak. Berdasarkan hasil pengujian whitebox nilai cyclomatic complexity bernilai sama, artinya pengujian ini berhasil dan berdasarkan pengujian blackbox dapat disimpulkan bahwa tingkat keakuratan rata-rata aplikasi ini adalah sebesar 82% untuk pergerakan pointer dan sekitar 76% untuk proses klik pada pointer. Jarak optimal user terhadap kamera untuk pendeteksian objek adalah sekitar 30 cm dari kamera untuk menjaga kestabilan dalam pendetekisan yang dilakukan perangkat lunak.

The software was built in this thesis was a pointer controller using facial movements and eye blinking. This software is one of the application in the field of image processing and Computer Vision. The user simply moves his face to control the pointer and blinks to click. The software is aimed at people with disabilities benefit physically, especially defects in the hand. Pointer controller software was built using C# programming language, and using Fisherface (FLDA) method. This method was developed by Robert Fisher. This method uses a matrix of scatter. Scatter matrix compared to obtain the maximum and minimum values of each object. Based on the results of whitebox testing ,the cyclomatic complexity values are equal, meaning that the test was successful and based on the Blackbox testing can be concluded that the average level of accuracy of this application is for 82% to pointer movement and about 76% for the clicks on the pointer. User optimal distance from the camera to the object detection was about 30 cm to maintain stability in the software detection.

https://elib.unikom.ac.id/gdl.php?mod=browse&op=read&id=jbptunikompp-gdl-muhamadfua-28056